Données robotiques : XDOF vise 1,2 milliard, un éclair dans la tech

Dans un secteur technologique en constante effervescence, une entreprise se distingue par son ascension fulgurante. À peine trois mois après sa sortie de l’ombre, XDOF, pionnier dans la collecte de données robotiques de terrain pour l’entraînement de robots à usage général, est en phase finale de négociation pour une levée de fonds en Série B, le valorisant à 1,2 milliard de dollars.

L’ascension fulgurante de XDOF au cœur des données robotiques

Co-fondée en 2024 par Philipp Wu (CEO) et Fred Shentu (CTO), tous deux chercheurs à l’UC Berkeley, XDOF n’avait initialement pas prévu de solliciter de nouveaux financements si rapidement après sa Série A de 70 millions de dollars en juin. Cependant, sa croissance explosive, avec un chiffre d’affaires annualisé approchant les 50 millions de dollars, a attiré l’attention des investisseurs. Cette valorisation potentielle de 1,2 milliard de dollars souligne l’urgence et la valeur perçue de leur contribution à l’écosystème robotique.

« XDOF construit les pipelines de données, les outils de collecte et les systèmes d’annotation que les laboratoires d’IA de pointe et les entreprises de robotique ne peuvent pas facilement construire eux-mêmes. »

La mission de XDOF est claire : devenir l’infrastructure de la chaîne d’approvisionnement en données d’entraînement pour l’industrie de la robotique. Leur approche externalisée permet aux leaders de l’IA de se concentrer sur l’innovation, tandis que XDOF gère le travail complexe et souvent ingrat de la collecte de données du monde réel. Ce modèle rappelle le succès de Scale AI ou Mercor dans le domaine des grands modèles linguistiques (LLM).

Briser le goulet d’étranglement des données robotiques pour l’IA physique

Un défi majeur pour l’IA physique, contrairement aux LLM qui ont pu s’entraîner sur l’intégralité d’Internet, réside dans l’absence de vastes ensembles de données d’entraînement pertinentes issues du monde réel. C’est précisément cette lacune que XDOF s’efforce de combler. La recherche initiale de Philipp Wu et Fred Shentu sur GELLO, un système de téléopération à faible coût, a démontré le potentiel de la génération de données pour les bras robotiques.

Ce travail fondamental a mené à la création de XDOF et à un partenariat stratégique avec le laboratoire de recherche en IA de l’UC Berkeley pour le lancement d’ABC, ce qui est considéré comme la plus grande collection de données robotiques d’entraînement de haute qualité jamais assemblée. La startup utilise une combinaison innovante de téléopération robotique à distance et d’opérateurs humains équipés de capteurs pour enregistrer des tâches quotidiennes, allant du pliage de vêtements à l’aplatissement de boîtes. Ce mélange d’humain et de machine est crucial pour capturer la complexité du monde réel.

XDOF prévoit d’employer et de former des équipes de collecteurs de données à l’échelle mondiale, incluant des téléopérateurs contrôlant des robots à distance et des opérateurs égocentriques capturant des données de mouvement via des capteurs corporels. Avec déjà 20 clients, incluant des laboratoires d’IA de pointe, XDOF se positionne comme un acteur indispensable pour l’avenir des robots à usage général, face à des concurrents comme Mecka AI ou l’expansion de Scale AI dans ce domaine.